Esta página se actualiza automáticamente con nuevas herramientas y modelos publicados por el pipeline diario de EligeIA.
Memoria privada y portátil para guardar preferencias, personas, decisiones, proyectos y otros datos que quieras compartir entre ChatGPT y Claude. Permite recuperar ese contexto en chats nuevos sin tener que explicarlo de nuevo.
Infraestructura de pago para agentes de IA que actúa como un peaje de acceso web. El agente recibe una factura de Bitcoin Lightning mediante HTTP 402, la paga y obtiene un token para realizar solicitudes durante una hora sin crear cuentas ni usar claves de API.
Laboratorio aplicado que audita agentes de IA y políticas aprendidas para identificar condiciones concretas de fallo, comparar versiones con las mismas semillas y comprobar si una corrección mejora realmente el sistema. También ofrece herramientas de código abierto —Break, Trace y Prove— y desarrolla Sangfroid para ejecutar estas evaluaciones en integración continua.
Plataforma de observabilidad y gobernanza para agentes de IA. Centraliza el registro y estado de los agentes, monitoriza trazas, costes, tokens y errores, detecta datos sensibles, aplica políticas durante la ejecución y genera evidencias de cumplimiento. También permite versionar prompts y evaluarlos con conjuntos de datos y métricas.
Editor y generador de imágenes con IA que permite eliminar fondos y objetos, ampliar fotografías, restaurar imágenes antiguas y mejorar su calidad mediante instrucciones de texto. Funciona en el navegador sin registro ni marcas de agua.
Familia de modelos de lenguaje de código abierto orientada a programación agéntica, razonamiento y mejora autónoma. Sus modelos pueden proponer tareas, crear estructuras específicas para resolverlas y generar soluciones, con variantes que van desde 9B Dense hasta 397B MoE.
Plataforma de inteligencia artificial física para entrenar robots capaces de aprender tareas nuevas a partir de demostraciones breves y adaptarse a distintos efectores finales y entornos de trabajo.
Adaptación LoRA de LTXV_13B_097_DEV, entrenada con datos personalizados para generar vídeos de una mujer bailando mediante los flujos de texto a vídeo e imagen a vídeo de LTXV.
Modelo de generación de vídeo de SVECTOR con 2.000 millones de parámetros. Utiliza un Transformer3DModel de 28 capas para procesar relaciones espaciales y temporales, junto con un CausalVideoAutoencoder que comprime y reconstruye el vídeo en un espacio latente. Genera vídeo a 768 × 512 píxeles y 24 FPS.
Modelo abierto de generación de texto a vídeo de la familia Wan2.2. Utiliza una arquitectura de mezcla de expertos (MoE) con aproximadamente 27.000 millones de parámetros totales y 14.000 millones activos en cada paso: un experto organiza la escena durante las etapas de alto ruido y otro refina los detalles durante las etapas de bajo ruido. Genera vídeos de 5 segundos en resoluciones de 480p o 720p.
Versión destilada de la familia Wan2.2 para generar vídeo a partir de texto o imágenes. Produce vídeos en solo 4 pasos de inferencia, sin CFG, con una aceleración aproximada de 20 veces y manteniendo una calidad visual y una dinámica de movimiento comparables al modelo base.
LoRA de texto a vídeo entrenado sobre Wan2.1 14B T2V para generar vídeos de perros a partir de descripciones en lenguaje natural. Utiliza la frase de activación «d48g dog video» y distribuye sus pesos en formato Safetensors bajo licencia Apache 2.0.
Modelo de generación de vídeo a partir de texto basado en los pesos preentrenados de ModelScope Text-to-Video. Incorpora transformadores de condicionamiento temporal para extender clips, crear transiciones fluidas e interpolar prompts durante los cambios de escena. Fue entrenado con WebVid-10M a una resolución de 320 × 320 píxeles.
Modelo abierto de generación de texto a vídeo de la familia Wan2.2. Emplea una arquitectura de mezcla de expertos (MoE) con unos 27.000 millones de parámetros totales y 14.000 millones activos por paso: un experto organiza la escena durante las fases de alto ruido y otro refina los detalles durante las fases de bajo ruido. Genera vídeos de 5 segundos en resoluciones de 480p o 720p.
Adaptador LoRA para Wan2.2-T2V-A14B que genera vídeos con planos continuos de seguimiento. Mantiene al sujeto en movimiento dentro del encuadre y crea una perspectiva inmersiva y cinematográfica, adecuada para escenas de acción, recorridos en primera persona y desplazamientos por entornos complejos.
Versión cuantizada en FP8 de krea/krea-realtime-video, ajustada a partir de Wan-AI/Wan2.1-T2V-14B. Está diseñada para generar vídeo en tiempo real mediante difusión y admite flujos de texto a vídeo y vídeo a vídeo.
Adaptador LoRA para Wan2.2-T2V-A14B que genera vídeos de Papá Noel durante su temporada baja, representándolo en situaciones cotidianas y no navideñas con una estética cinematográfica cálida y nostálgica de película de 16 mm.
Adaptador LoRA de generación de vídeo a partir de texto, entrenado para recrear escenas inspiradas en la edad de oro de la piratería. Está diseñado para utilizarse sobre el modelo base Wan-AI/Wan2.2-T2V-A14B mediante la biblioteca Diffusers.
Modelo de difusión de texto a vídeo basado en Wan2.1-T2V con aproximadamente 1.300 millones de parámetros y formato compatible con Diffusers. Genera vídeos de 480p a partir de instrucciones en lenguaje natural y está diseñado para funcionar en GPU de consumo; la documentación indica unos 8,19 GB de VRAM y recomienda 480p por su mayor estabilidad frente a 720p.